多表情的人脸识别关键技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景与意义 | 第8-9页 |
| ·研究背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·本文内容与组织结构 | 第11-14页 |
| ·主要研究内容 | 第11-12页 |
| ·本文结构与章节安排 | 第12-14页 |
| 第二章 图像预处理与人脸检测 | 第14-22页 |
| ·引言 | 第14页 |
| ·图像预处理 | 第14-15页 |
| ·图像灰度化 | 第14页 |
| ·图像直方图均衡化 | 第14-15页 |
| ·图像的归一化 | 第15页 |
| ·人脸检测 | 第15-19页 |
| ·肤色模型 | 第16页 |
| ·基于肤色模型的 AdaBoost 人脸检测 | 第16-19页 |
| ·实验结果 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 人脸表情图像的特征提取 | 第22-30页 |
| ·引言 | 第22页 |
| ·主要表情特征提取方法 | 第22-23页 |
| ·基于 FB-2DPCA 算法的表情特征提取 | 第23-25页 |
| ·感兴趣区域人脸切割 | 第23-24页 |
| ·基于 FB-2DPCA 特征提取算法 | 第24-25页 |
| ·基于 GLBP 算法的表情特征提取 | 第25-29页 |
| ·Gabor 滤波器 | 第25-26页 |
| ·LBP 特征提取 | 第26-28页 |
| ·基于 GLBP 特征提取算法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 人脸表情图像的分类 | 第30-44页 |
| ·引言 | 第30页 |
| ·串级量子神经网络分类器 | 第30-32页 |
| ·量子神经网络 | 第30页 |
| ·串级量子神经网络分类器 | 第30-32页 |
| ·优化支持向量机分类器 | 第32-40页 |
| ·支持向量机 | 第32-34页 |
| ·改进的粒子群优化算法 | 第34-37页 |
| ·SVM 重点参数优化与分类器设计 | 第37-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·实验方案 | 第40页 |
| ·实验结果与分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 情感建模与情感交互系统设计 | 第44-50页 |
| ·引言 | 第44页 |
| ·基于 HMM 的情感建模 | 第44-47页 |
| ·情感合成与输出 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 嵌入式人脸表情识别系统设计 | 第50-58页 |
| ·引言 | 第50页 |
| ·系统软硬件平台设计 | 第50-52页 |
| ·嵌入式人脸表情识别系统实现 | 第52-57页 |
| ·基于 V4L2 的视频图像捕获 | 第52-53页 |
| ·基于 OpenCV 的人脸检测 | 第53-55页 |
| ·人脸表情识别 | 第55-56页 |
| ·系统搭建结果 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第七章 总结与展望 | 第58-60页 |
| ·论文的主要研究内容和结论 | 第58-59页 |
| ·进一步研究的展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第64页 |
